Fugu-MT 論文翻訳(概要): Prediction of Lung CT Scores of Systemic Sclerosis by Cascaded Regression Neural Networks

論文の概要: Prediction of Lung CT Scores of Systemic Sclerosis by Cascaded Regression Neural Networks

arxiv url: http://arxiv.org/abs/2110.08085v1
Date: Fri, 15 Oct 2021 13:28:12 GMT
ステータス: 処理完了
システム内更新日: 2021-10-18 15:25:45.867799
Title: Prediction of Lung CT Scores of Systemic Sclerosis by Cascaded Regression Neural Networks
Title（参考訳）: Cascaded Regression Neural Networks による全身性硬化症の肺CTスコアの予測
Authors: Jingnan Jia, Marius Staring, Irene Hern\'andez-Gir\'on, Lucia J.M. Kroft, Anne A. Schouffoer, Berend C. Stoel
Abstract要約: 本稿では,2つのカスケード型ディープレグレッションニューラルネットワークからなる自動スコアリングフレームワークを提案する。最初の(3D)ネットワークは、3D CTスキャンで5つの基準値の頭蓋骨の位置を予測することを目的としている。第2(2D)ネットワークは、結果の2D軸スライスを受け取り、スコアを予測する。
参考スコア（独自算出の注目度）: 2.6784615269339076
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Visually scoring lung involvement in systemic sclerosis from CT scans plays an important role in monitoring progression, but its labor intensiveness hinders practical application. We proposed, therefore, an automatic scoring framework that consists of two cascaded deep regression neural networks. The first (3D) network aims to predict the craniocaudal position of five anatomically defined scoring levels on the 3D CT scans. The second (2D) network receives the resulting 2D axial slices and predicts the scores. We used 227 3D CT scans to train and validate the first network, and the resulting 1135 axial slices were used in the second network. Two experts scored independently a subset of data to obtain intra- and interobserver variabilities and the ground truth for all data was obtained in consensus. To alleviate the unbalance in training labels in the second network, we introduced a sampling technique and to increase the diversity of the training samples synthetic data was generated, mimicking ground glass and reticulation patterns. The 4-fold cross validation showed that our proposed network achieved an average MAE of 5.90, 4.66 and 4.49, weighted kappa of 0.66, 0.58 and 0.65 for total score (TOT), ground glass (GG) and reticular pattern (RET), respectively. Our network performed slightly worse than the best experts on TOT and GG prediction but it has competitive performance on RET prediction and has the potential to be an objective alternative for the visual scoring of SSc in CT thorax studies.
Abstract（参考訳）: CTスキャンによる全身性硬化症における肺の関与を視覚的に評価することは進行のモニタリングにおいて重要な役割を担っているが、その労働集約性は実用的な応用を妨げる。そこで我々は,2つのカスケード深部回帰ニューラルネットワークからなる自動スコアリングフレームワークを提案する。最初の(3D)ネットワークは、3D CTスキャンで5つの解剖学的に定義されたスコアの頭蓋骨の位置を予測することを目的としている。第2(2D)ネットワークは結果の2D軸スライスを受け取り、スコアを予測する。 227個の3dctスキャンを用いて第1のネットワークの訓練と検証を行い,第2のネットワークでは1135軸スライスを用いた。 2人の専門家が独立にデータのサブセットを取得し、イントラ・オブザーバとインターオブザーバ・バリアビリティを取得し、すべてのデータに対する基礎的真実がコンセンサスで得られた。第2ネットワークにおけるトレーニングラベルの不均衡を軽減するため,サンプリング手法を導入し,グラウンドガラスとレチキュレーションパターンを模倣して,トレーニングサンプル合成データの多様性を向上させる。 4倍のクロス検証により,提案ネットワークは平均maeが5.90,4.66,4.49,加重kappaが0.66,0.58,0.65で,総スコア(tot),グラウンドグラス(gg),レチラーパターン(ret)がそれぞれ達成された。われわれのネットワークはTOTやGG予測の優れた専門家よりやや悪いが、RET予測の競争性能は優れており、CT胸部におけるSScの視覚的評価の客観的な代替となる可能性がある。

関連論文リスト

2D and 3D Deep Learning Models for MRI-based Parkinson's Disease Classification: A Comparative Analysis of Convolutional Kolmogorov-Arnold Networks, Convolutional Neural Networks, and Graph Convolutional Networks [0.0]
本研究はパーキンソン病の診断にConvolutional Kolmogorov-Arnold Networks(ConvKANs)を適用した。 ConvKANは、構造MRIを用いたPD分類のために、学習可能なアクティベーション機能を畳み込み層に統合する。医用画像用ConvKANの最初の3D実装について紹介し、その性能を畳み込みニューラルネットワーク(CNN)とグラフ畳み込みニューラルネットワーク(GCN)と比較した。これらの知見は, PD検出に対するConvKANsの可能性を強調し, 脳の微妙な変化を捉える上での3D解析の重要性を強調し, データセット間の一般化の課題を浮き彫りにしている。
論文参考訳（メタデータ） (2024-07-24T16:04:18Z)
Dual Multi-scale Mean Teacher Network for Semi-supervised Infection Segmentation in Chest CT Volume for COVID-19 [76.51091445670596]
CT(Computed tomography)データから肺感染症を自動的に検出することは、COVID-19と戦う上で重要な役割を担っている。現在の新型コロナウイルス感染症のセグメンテーションのほとんどは、主に3Dシーケンシャルな制約を欠いた2D CT画像に依存している。既存の3次元CTセグメンテーション法では,3次元ボリュームにおける複数レベルの受容場サイズを達成できない単一スケールの表現に焦点が当てられている。
論文参考訳（メタデータ） (2022-11-10T13:11:21Z)
An Efficient End-to-End Deep Neural Network for Interstitial Lung Disease Recognition and Classification [0.5424799109837065]
本稿では、IDDパターンを分類するためのエンドツーエンドのディープ畳み込みニューラルネットワーク(CNN)を提案する。提案モデルでは,カーネルサイズが異なる4つの畳み込み層と,Rectified Linear Unit (ReLU) アクティベーション機能を備える。 128のCTスキャンと5つのクラスからなる21328の画像パッチからなるデータセットを用いて、提案モデルのトレーニングと評価を行う。
論文参考訳（メタデータ） (2022-04-21T06:36:10Z)
Automated Pulmonary Embolism Detection from CTPA Images Using an End-to-End Convolutional Neural Network [31.58557856188164]
本研究では,肺塞栓症(PE)検出のための終末から終末までトレーニング可能な畳み込みニューラルネットワーク(CNN)を提案する。本システムでは,0mm,2mm,5mmで1体積あたりの偽陽性が63.2%,78.9%,86.8%であった。
論文参考訳（メタデータ） (2021-11-10T03:01:55Z)
TSGCNet: Discriminative Geometric Feature Learning with Two-Stream GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。 3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
論文参考訳（メタデータ） (2020-12-26T08:02:56Z)
Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文参考訳（メタデータ） (2020-12-16T07:11:16Z)
An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文参考訳（メタデータ） (2020-12-06T18:55:07Z)
Accurate and Efficient Intracranial Hemorrhage Detection and Subtype Classification in 3D CT Scans with Convolutional and Long Short-Term Memory Neural Networks [20.4701676109641]
RSNA頭蓋内出血検出のためのシステムについて紹介する。提案システムは,畳み込みニューラルネットワーク(CNN)を用いた軽量深層ニューラルネットワークアーキテクチャに基づいている。最終テストセットの重み付き平均ログ損失は0.04989で、合計1345名から上位30名(2%)にランクインした。
論文参考訳（メタデータ） (2020-08-01T17:28:25Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
M2Net: Multi-modal Multi-channel Network for Overall Survival Time Prediction of Brain Tumor Patients [151.4352001822956]
生存時間(OS)の早期かつ正確な予測は、脳腫瘍患者に対するより良い治療計画を得るのに役立つ。既存の予測手法は、磁気共鳴(MR)ボリュームの局所的な病変領域における放射能特性に依存している。我々は,マルチモーダルマルチチャネルネットワーク(M2Net)のエンドツーエンドOS時間予測モデルを提案する。
論文参考訳（メタデータ） (2020-06-01T05:21:37Z)
2D Convolutional Neural Networks for 3D Digital Breast Tomosynthesis Classification [20.245580301060418]
分類のための自動手法を開発する際の主な課題は、スライス数の可変処理とスライス・ツー・スライスの変更の維持である。本稿では,両課題を同時に克服する,新しい2次元畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。提案手法は,スライス数にかかわらず全ボリュームで動作するため,特徴抽出に2次元CNNを事前学習することが可能である。
論文参考訳（メタデータ） (2020-02-27T18:32:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。